Communitygithub.com

Analyse von Netzwerkverkehr für Sicherheitsvorfälle

Analysiert Netzwerkverkehrsaufzeichnungen und Flow-Daten, um Aktivitäten von Angreifern bei Sicherheitsvorfällen zu identifizieren.

Was ist Analyse von Netzwerkverkehr für Sicherheitsvorfälle?

Diese Fähigkeit befähigt Sicherheitsanalysten und KI-Agenten, Netzwerkverkehrsdaten systematisch zu untersuchen, um gegnerische Aktivitäten wie C2-Beaconing, Laterale Bewegung und Datenexfiltration zu erkennen. Sie unterstützt die Analyse von PCAP-Dateien, Zeek-Logs und NetFlow-Daten und bietet eine schrittweise Arbeitsablaufanleitung von der Erfassung bis zur forensischen Dokumentation. Die Skill integriert Werkzeuge wie Wireshark, Zeek und Arkime und liefert spezifische Filter und Kommandos zur Identifizierung von Angriffsmustern. Sie eignet sich besonders für die vertiefte Untersuchung von Netzwerk-SIEM-Alarmen und die Extraktion von Netzwerk-basierten Indikatoren (IOCs).

Funktioniert mit~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/mukul975/Anthropic-Cybersecurity-Skills/tree/main/skills/analyzing-network-traffic-for-incidents
Original anzeigen→Alle Skills durchsuchen

In Ihrer bevorzugten KI fragen

Öffnet einen neuen Chat, in dem dieser Agent-Skill bereits geladen ist.

OpenAIChatGPTClaudeClaudeGeminiGeminiGrokGrokPerplexityPerplexityDeepSeekDeepSeek

Dokumentation

Was macht Analyse von Netzwerkverkehr für Sicherheitsvorfälle?

Wann verwenden

  • SIEM-Alarme über anomale Netzwerkverkehrsmuster, die eine tiefergehende Untersuchung erfordern
  • C2-Beaconing wird vermutet und muss durch paketbasierte Analyse bestätigt werden
  • Datenexfiltrationsvolumen oder -ziel müssen aus Netzwerkbeweisen quantifiziert werden
  • Laterale Bewegung zwischen Systemen muss anhand von Netzwerkverbindungen zurückverfolgt werden
  • IDS/IPS-Alarm erfordert eine Validierung auf Paketebene zur Bestätigung oder Widerlegung

Nicht verwenden für hostbasierte forensische Analysen (Prozessausführung, Dateisystemartefakte); stattdessen Endpunkt-Forensik-Werkzeuge nutzen.

Voraussetzungen

  • Infrastruktur für vollständige Paketerfassung (PCAP) oder bedarfsgesteuerte Erfassungsfunktion (Netzwerk-Tap, SPAN-Port)
  • Wireshark auf der Analyse-Workstation installiert mit Kenntnissen geeigneter Display-Filter
  • Zeek (ehemals Bro) zur Generierung von Netzwerkmetadaten (conn.log, dns.log, http.log, ssl.log) bereitgestellt
  • NetFlow/IPFIX-Erfassung von Netzwerkgeräten für die Analyse von Verkehrsflüssen
  • Netzwerkarchitekturdiagramm mit VLAN-Layout, Firewall-Platzierung und Überwachungspunkten
  • Threat-Intelligence-Feeds zur Korrelation beobachteter Netzwerkindikatoren

Arbeitsablauf

Schritt 1: Netzwerkverkehr erfassen oder beziehen

Besorgen Sie die relevanten Verkehrsdaten für die Untersuchung:

Live-Erfassung (falls der Vorfall aktiv ist):

# Erfassung auf bestimmter Schnittstelle gefiltert nach Host
tcpdump -i eth0 -w capture.pcap host 10.1.5.42

# Erfassung von C2-Verkehr zu bestimmter externer IP
tcpdump -i eth0 -w c2_traffic.pcap host 185.220.101.42

# Erfassung mit Rotation (1 GB-Dateien, 10 behalten)
tcpdump -i eth0 -w capture_%Y%m%d%H%M.pcap -C 1000 -W 10

Aus bestehender Infrastruktur:

  • PCAP aus der vollständigen Paketerfassungsappliance exportieren (Arkime/Moloch, ExtraHop, Corelight)
  • Zeek-Logs aus dem Zeek-Cluster für den Untersuchungszeitraum abrufen
  • NetFlow-Daten von Netzwerkgeräten für die allgemeine Verkehrsanalyse exportieren

Schritt 2: C2-Kommunikation identifizieren

Erkennen Sie Muster der Kommando- und Kontrollkommunikation:

Beaconing-Erkennung (Zeek conn.log):

# Extraktion von Verbindungen zu externen IPs mit regelmäßigen Intervallen
cat conn.log | zeek-cut ts id.orig_h id.resp_h id.resp_p duration orig_bytes resp_bytes \
  | awk '$4 ~ /^185\.220/' | sort -t. -k1,1n -k2,2n

Wireshark-Beacon-Analyse:

# Filter für Verkehr zu vermuteter C2-IP
ip.addr == 185.220.101.42

# HTTPS-Verkehr zu nicht standardmäßigen Ports filtern
tcp.port != 443 && ssl

# DNS-Abfragen nach verdächtigen Domänen filtern
dns.qry.name contains "evil" or dns.qry.name matches "^[a-z0-9]{32}\."

# HTTP-POST (häufige C2-Check-in-Methode) filtern
http.request.method == "POST" && ip.dst == 185.220.101.42

Zu identifizierende Beaconing-Merkmale:

  • Regelmäßige Zeitintervalle zwischen Verbindungen (z. B. alle 60 Sekunden mit 10-15% Jitter)
  • Konsistente Paketgrößen bei Anfragen und Antworten
  • HTTPS zu externen IPs, die nicht mit legitimen CDNs oder Diensten verbunden sind
  • DNS-Abfragen mit hochgradig entropischen Subdomänen (Hinweis auf DNS-Tunneling)

Schritt 3: Analyse von Lateraler Bewegung

Verfolgen Sie die Bewegung des Angreifers zwischen internen Systemen:

Wichtige Protokolle zur Erkennung lateraler Bewegung:
═══════════════════════════════════════════════════════
SMB (TCP 445):     PsExec, Dateifreigabezugriff, Ransomware-Ausbreitung
RDP (TCP 3389):    Remotedesktopsitzungen
WinRM (TCP 5985):  PowerShell-Remoting
WMI (TCP 135):     Remote-Befehlsausführung
SSH (TCP 22):      Laterale Bewegung bei Linux
DCE/RPC (TCP 135): DCOM-basierte laterale Bewegung

Wireshark-Filter für Laterale Bewegung:

# SMB laterale Bewegung
smb2 && ip.src == 10.1.5.42 && ip.dst != 10.1.5.42

# RDP-Verbindungen vom kompromittierten Host
tcp.dstport == 3389 && ip.src == 10.1.5.42

# Kerberos-Ticket-Anfragen (potenzielles Pass-the-Ticket)
kerberos.msg_type == 12 && ip.src == 10.1.5.42

# NTLM-Authentifizierung (potenzielles Pass-the-Hash)
ntlmssp.auth.username && ip.src == 10.1.5.42

Schritt 4: Erkennung von Datenexfiltration

Identifizieren Sie unbefugte Datenübertragungen, die das Netzwerk verlassen:

# Identifizieren großer ausgehender Übertragungen im Zeek conn.log
cat conn.log | zeek-cut ts id.orig_h id.resp_h id.resp_p orig_bytes \
  | awk '$5 > 100000000' | sort -t$'\t' -k5 -rn

# DNS-Tunneling-Erkennung (hohes Volumen an TXT-Abfragen)
cat dns.log | zeek-cut query qtype | grep TXT | cut -f1 \
  | rev | cut -d. -f1,2 | rev | sort | uniq -c | sort -rn | head

# Ungewöhnliche Protokollnutzung (ICMP-Tunneling, DNS über HTTPS)
cat conn.log | zeek-cut proto id.resp_p orig_bytes | awk '$1 == "icmp" && $3 > 1000'

Wireshark-Exfiltrationsfilter:

# Große HTTP-POST-Uploads
http.request.method == "POST" && tcp.len > 10000

# FTP-Datenübertragungen
ftp-data && ip.src == 10.0.0.0/8

# DNS mit großen TXT-Antworten (Tunneling)
dns.resp.type == 16 && dns.resp.len > 200

Schritt 5: IOCs extrahieren und korrelieren

Gewinnen Sie netzwerkbasierte Indikatoren aus der Verkehrsanalyse:

  • Externe IP-Adressen, die von kompromittierten Hosts kontaktiert wurden
  • Domänen, die während des Vorfallszeitraums per DNS aufgelöst wurden
  • URLs, die per HTTP/HTTPS aufgerufen wurden (wenn SSL-Inspektion vorhanden)
  • TLS-Zertifikatsdetails (Subject, Issuer, Seriennummer, JA3/JA3S-Hashes)
  • User-Agent-Strings aus HTTP-Anfragen
  • Dateiübertragungen, die in PCAP erfasst wurden (Extrahieren mittels Wireshark-Objekt-Export)

Schritt 6: Netzwerkforensische Ergebnisse dokumentieren

Fassen Sie die Analyse in einem strukturierten Bericht mit Beweisverweisen zusammen:

  • Referenzieren Sie spezifische PCAP-Dateien, Rahmennummern und Zeitstempel für jeden Befund
  • Fügen Sie Paketaufzeichnungen von Schlüsselbeweisen als Screenshots oder exportierte PDFs bei
  • Ordnen Sie Netzwerkaktivitäten dem Vorfallszeitplan zu
  • Korrelieren Sie Netzwerkbefunde mit hostbasierten Beweisen aus der Endpunktforensik

Schlüsselkonzepte

BegriffDefinition
PCAP (Packet Capture)Dateiformat, das rohe Netzwerkpakete speichert, die von einer Netzwerkschnittstelle erfasst wurden, für die Offline-Analyse
BeaconingRegelmäßige, periodische Netzwerkverbindungen von einem kompromittierten Host zu einem C2-Server, erkennbar an konsistenten Zeitintervallen
JA3/JA3STLS-Client- und Server-Fingerprinting-Methode basierend auf den ClientHello- und ServerHello-Parametern; einzigartig pro Anwendung
NetFlow/IPFIXNetzwerkverkehrsmetadaten (Quelle, Ziel, Ports, Bytes, Dauer), die von Routern und Switches ohne vollständige Paketerfassung gesammelt werden
DNS-TunnelingTechnik, die Daten in DNS-Abfragen und -Antworten kodiert, um Daten zu exfiltrieren oder C2 über das DNS-Protokoll aufrechtzuerhalten
Netzwerk-TapHardwaregerät, das eine exakte Kopie des Netzwerkverkehrs zur Überwachung erstellt, ohne die Netzwerkleistung zu beeinträchtigen
Zeek-LogsStrukturierte Metadaten-Logs, die vom Zeek-Netzwerkanalyse-Framework generiert werden und Verbindungen, DNS, HTTP, SSL und mehr abdecken

Werkzeuge und Systeme

  • Wireshark: Open-Source-Paketanalysator zur tiefgehenden Inspektion von Netzwerkprotokollen auf Paketebene
  • Zeek (ehemals Bro): Netzwerkanalyse-Framework, das strukturierte Metadaten-Logs aus Live- oder aufgezeichnetem Verkehr generiert
  • Arkime (ehemals Moloch): Open-Source-Plattform zur vollständigen Paketerfassung und -suche für groß angelegte Netzwerkforensik
  • NetworkMiner: Netzwerkforensisches Analysetool zum Extrahieren von Dateien, Bildern und Anmeldeinformationen aus PCAP-Dateien
  • RITA (Real Intelligence Threat Analytics): Open-Source-Tool zur Beacon-Erkennung und DNS-Tunneling-Analyse für Zeek-Logs

Häufige Szenarien

Szenario: Bestätigung von C2-Beaconing und Quantifizierung der Exfiltration

Kontext: EDR erkennt einen verdächtigen Prozess auf einer Workstation, kann aber das Volumen der exfiltrierten Daten nicht bestimmen. Das Netzwerkteam stellt PCAP aus der vollständigen Paketerfassungsappliance für den Vorfallszeitraum bereit.

Vorgehen:

  1. Filtern Sie PCAP auf Verkehr vom kompromittierten Host zu externen Zielen
  2. Identifizieren Sie den C2-Kanal durch Analyse der Verbindungszeitmuster (Beacon-Erkennung)
  3. Extrahieren Sie TLS-Zertifikat und JA3-Hash aus der C2-Verbindung zur IOC-Generierung
  4. Berechnen Sie die Gesamtzahl der Bytes, die während der Vorfallsdauer an die C2-Infrastruktur übertragen wurden
  5. Prüfen Sie auf weitere Exfiltrationskanäle (DNS-Tunneling, Cloud-Speicher-Uploads)
  6. Extrahieren Sie alle unverschlüsselten Dateien, die mit der Wireshark-Objekt-Export-Funktion übertragen wurden

Stolperfallen:

  • Analyse nur von HTTP-Verkehr, wenn C2 über HTTPS ohne SSL-Inspektion läuft
  • DNS-Tunneling wird übersehen, weil das Datenvolumen pro Abfrage gering ist (aber insgesamt über die Zeit signifikant)
  • Keine Korrelation von Netzwerk-Zeitstempeln mit Endpunkt-Zeitstempeln (Zeitzonenkonflikte)
  • Übersehen legitimer Cloud-Dienste, die für die Exfiltration missbraucht werden (OneDrive, Google Drive, Dropbox)

Ausgabeformat

NETZWERKVERKEHRSANALYSE-BERICHT
=================================
Vorfall:          INC-2025-1547
Analyst:          [Name]
Erfassungsquelle:  Arkime vollständige Paketerfassung
Analysezeitraum:  2025-11-15 14:00 UTC - 2025-11-15 18:00 UTC
Gesamte PCAP-Größe: 4,7 GB

C2-KOMMUNIKATION
Quelle:           10.1.5.42 (WKSTN-042)
Ziel:             185.220.101.42:443 (HTTPS)
Beacon-Intervall: 60 Sekunden ± 12 % Jitter
Sitzungen:        237 Verbindungen über 4 Stunden
JA3-Hash:         a0e9f5d64349fb13191bc781f81f42e1
TLS-Zertifikat:   CN=update.evil[.]com (selbstsigniert)
Gesendete Daten:  147 MB (ausgehend)
Empfangene Daten: 2,3 MB (eingehend - Befehle)

LATERALE BEWEGUNG
10.1.5.42 → 10.1.10.15 (SMB, TCP 445) - 14:35 UTC
10.1.5.42 → 10.1.10.20 (RDP, TCP 3389) - 14:42 UTC
10.1.5.42 → 10.1.1.5  (LDAP, TCP 389) - 15:10 UTC

EXFILTRATIONSZUSAMMENFASSUNG
Protokoll:        HTTPS zum C2-Server
Volumen:          147 MB ausgehend
Dauer:            14:23 UTC - 18:00 UTC
Extrahierte Dateien: [Liste, falls aus unverschlüsselten Kanälen wiederherstellbar]

DNS-ANALYSE
Verdächtige Abfragen: 0 DNS-Tunneling-Indikatoren
DGA-Erkennung:         0 algorithmisch generierte Domänen

BEWEISREFERENZEN
PCAP-Datei:        INC-2025-1547_capture.pcap (SHA-256: ...)
Zeek-Logs:         /logs/zeek/2025-11-15/ (conn.log, ssl.log, dns.log)

Individual skills in this repo

This repo contains 20 individual skills — each has its own dedicated page.

abusing-dpapi-for-credential-access

Extract and decrypt Windows DPAPI-protected secrets (Credential Manager, browser logins/cookies, Wi-Fi credentials, KeePass keys) online or offline using SharpDPAPI, SharpChrome, Mimikatz, or Impacket

abusing-shadow-credentials-for-privesc

Take over Active Directory accounts by writing attacker-controlled public keys to msDS-KeyCredentialLink (Shadow Credentials) with pyWhisker, Whisker, or Certipy, then authenticate via PKINIT to recover the target

achieving-cmmc-level-2-compliance

>-

acquiring-disk-image-with-dd-and-dcfldd

Create forensically sound bit-for-bit disk images with dd or dcfldd on a Linux forensic workstation, preserving evidence integrity through hash verification (MD5/SHA) during acquisition. Use when imaging a suspect drive, USB device, or memory card for investigation, preserving volatile disk evidence during incident response, or producing a verified copy for legal or law-enforcement proceedings before any destructive analysis.

analyzing-active-directory-acl-abuse

Detect dangerous ACL misconfigurations in Active Directory using ldap3

analyzing-android-malware-with-apktool

Perform static analysis of Android APK malware using apktool for resource decompilation, jadx for Java source recovery, and androguard for manifest inspection, dangerous permission-combination detection, and identification of obfuscated code, dynamic code loading, and reflection-based API calls. Use to statically triage a suspicious APK without executing it or to build mobile malware detection rules.

analyzing-api-gateway-access-logs

Parses API Gateway access logs (AWS API Gateway, Kong, Nginx) to detect

analyzing-apt-group-with-mitre-navigator

Query ATT&CK data with attackcti, mitreattack-python, and stix2, then build MITRE ATT&CK Navigator layers and multi-layer heatmap overlays mapping one or more APT groups

analyzing-azure-activity-logs-for-threats

Queries Azure Monitor activity logs and sign-in logs via azure-monitor-query

analyzing-bootkit-and-rootkit-samples

Analyzes bootkit and advanced rootkit malware infecting the Master

analyzing-browser-forensics-with-hindsight

Parse Chromium-based browser databases with Hindsight to extract and correlate browsing history, downloads, cookies, cached content, autofill data, saved passwords, and extensions from Chrome, Edge, Brave, Opera, and Vivaldi into a unified timeline (XLSX, JSON, or SQLite output). Use during incident response, insider-threat investigations, or criminal cases when you need to reconstruct a user

analyzing-campaign-attribution-evidence

Systematically evaluate cyber-campaign evidence to attribute an operation to a threat actor, using the Diamond Model and Analysis of Competing Hypotheses (ACH) to weigh infrastructure overlaps, TTP consistency, malware code similarity, and timing/language artifacts into confidence-weighted attribution assessments. Use when an incident investigation needs a defensible attribution confidence level.

analyzing-certificate-transparency-for-phishing

Monitor Certificate Transparency logs using crt.sh and Certstream to

analyzing-cloud-storage-access-patterns

Detect abnormal access in AWS S3, GCS, and Azure Blob Storage by analyzing CloudTrail Data Events, GCS audit logs, and Azure Storage Analytics for after-hours bulk downloads, new-IP access, and API-call spikes (e.g. GetObject) via statistical baselines and time-series anomaly detection. Use when investigating suspected cloud data exfiltration or building related detection rules.

analyzing-cobalt-strike-beacon-configuration

Extract and analyze Cobalt Strike beacon configuration from PE files

analyzing-cobaltstrike-malleable-c2-profiles

Parse and analyze Cobalt Strike Malleable C2 profiles with dissect.cobaltstrike (profiles and beacon-payload configs) and pyMalleableC2 (AST parsing) to extract HTTP/DNS transforms, URIs, headers, sleep/jitter, and injection behavior, then generate network detection signatures. Use when reverse-engineering a captured malleable profile or building detections against Cobalt Strike Beacon traffic.

analyzing-command-and-control-communication

Analyzes malware C2 communication over HTTP, HTTPS, DNS, and custom

analyzing-cyber-kill-chain

Analyzes intrusion activity against the Lockheed Martin Cyber Kill Chain

analyzing-disk-image-with-autopsy

Perform comprehensive forensic analysis of raw (dd), E01, or AFF disk images with Autopsy and The Sleuth Kit, recovering deleted files, examining metadata and embedded artifacts, keyword searching, and building investigation timelines with visual reports. Use for structured analysis of a forensic disk image or when stakeholders need visual reports from evidence.

analyzing-dns-logs-for-exfiltration

Analyzes DNS query logs to detect data exfiltration via DNS tunneling,

Verwandte Skills

steipete/video-frames

Extract frames or short clips from videos using ffmpeg.

community

steipete/summarize

Summarize or transcribe URLs, YouTube/videos, podcasts, articles, transcripts, PDFs, and local files.

community

openclaw/openclaw

Use when testing, fixing, or extending the OpenClaw Control UI GUI with Vitest + Playwright end-to-end checks, mocked Gateway WebSocket flows, mocked dashboard runs, screenshots/videos, or agent-verifiable browser proof.

community

obra/superpowers

Obra superpowers agent skills.

community

affaan-m/ECC

See, Understand, Act on video and audio. See- ingest from local files, URLs, RTSP/live feeds, or live record desktop; return realtime context and playable stream links. Understand- extract frames, build visual/semantic/temporal indexes, and search moments with timestamps and auto-clips. Act- transcode and normalize (codec, fps, resolution, aspect ratio), perform timeline edits (subtitles, text/image overlays, branding, audio overlays, dubbing, translation), generate media assets (image, audio...

community

affaan-m/everything-claude-code

End-to-end marketing campaign planning and execution. Covers audience research, positioning, campaign angle definition, landing page copy, email sequences, social posts, ad copy, short-form video scripts, and content calendars. Use as the orchestration layer for multi-channel product launches. Use when planning or executing a multi-channel product launch, or producing landing page, email, social, or ad copy.

community